È venerdì pomeriggio in un Comune da cinquemila abitanti. La responsabile dell’area amministrativa ha davanti dodici bozze preparate in mattinata con l’aiuto dell’AI: una determina di affidamento, due risposte a istanze dei cittadini, un avviso pubblico, la relazione da mandare al revisore, qualche comunicazione interna.
Sono scritte bene. Meglio di come le avrebbe scritte lei di corsa, alle cinque del pomeriggio, con il telefono che squilla. Il punto è un altro: in almeno una di quelle dodici bozze c’è probabilmente un errore. Un riferimento normativo superato, una soglia cambiata, un termine sbagliato di qualche giorno. E lei non è più sicura di saperlo trovare, perché l’ultima modifica su quella materia non ha avuto il tempo di leggerla.
Non è fantascienza. È la versione 2026 di una scena che chi lavora nei comuni conosce da anni, con una differenza sostanziale: prima il collo di bottiglia era scrivere. Adesso è capire se quello che è stato scritto è giusto.
Indice degli argomenti
Nella PA il giudizio umano è la nuova risorsa scarsa
Per vent’anni il discorso sulla PA digitale ha ruotato attorno a una promessa: liberare tempo. Meno carta, meno passaggi, meno ore spese a produrre documenti. L’AI generativa mantiene questa promessa in modo quasi brutale: una bozza ormai costa pochi secondi.
Ma un’organizzazione è una catena, e quando un anello diventa velocissimo il problema si sposta sull’anello successivo. Nella PA quell’anello è la persona che legge, verifica, corregge e firma. Il fattore produttivo scarso non è più la capacità di scrivere: è la capacità di giudicare.
C’è anche un effetto di secondo ordine. Quando produrre costa meno, si produce di più: più bozze, più versioni, più risposte, più report. Il volume di cose da controllare cresce, mentre il numero di chi controlla resta uguale o scende. È lo stesso meccanismo per cui una strada nuova si riempie presto di traffico: l’efficienza genera domanda.
Validare l’AI nella PA richiede competenze specialistiche
Qui sta il nodo che rende la questione più seria di quanto sembri. Validare il lavoro dell’AI non è più semplice che farlo a mano. È più difficile.
Chi scrive una determina partendo da zero ragiona passo per passo e incontra i propri dubbi lungo la strada. Chi rilegge una determina scritta bene da qualcun altro deve trovare l’errore in un testo che sembra corretto, fluido, ben argomentato. Per riuscirci serve conoscere la materia meglio di chi l’ha scritta. Leggere una determina lo sa fare chiunque; accorgersi che c’è un errore è un lavoro da specialista.
Il rischio opposto ha un nome preciso: automation bias, la tendenza a fidarsi dell’output di un sistema automatico più del dovuto. Lo richiama espressamente anche l’AI Act, all’articolo 14, tra le cose di cui deve essere consapevole chi esercita la sorveglianza umana sui sistemi ad alto rischio. Negli uffici diventa una cosa molto concreta: la firma per fiducia. Il testo è ordinato, il tono è giusto, la scadenza incombe. Si firma.
Così la validazione rischia di diventare l’ennesimo adempimento formale: c’è un umano nel processo, ma non c’è un giudizio.
La carenza di personale mette a rischio il controllo dell’AI
Qualcuno obietterà che i dipendenti pubblici stanno aumentando. Nel complesso è vero: secondo la Ricerca Lavoro Pubblico 2025 di FPA, nel 2024 erano 3.373.682, record dell’ultimo decennio, con un’età media scesa a 48,9 anni. Ma la crescita è trainata soprattutto da istruzione, ricerca e sanità, che insieme valgono il 60% della forza lavoro pubblica.
Nei comuni la fotografia è un’altra. Secondo il rapporto del Ministero dell’Interno e di IFEL sul personale degli enti locali, i dipendenti comunali sono passati da 491.678 nel 2007 a 350.515 a fine 2023: meno 28,7%, oltre 141mila persone. Nelle aree tecniche, quelle che gestiscono appalti, progetti e PNRR, il calo è stato del 17,4% tra il 2015 e il 2023. E dal 2017 le dimissioni volontarie hanno superato le uscite per età.
Il direttore di IFEL Pierciro Galeone ha ricordato che nel 2023 i comuni hanno assunto 29.275 persone e ne hanno perse 28.973: un saldo appena positivo, che frena la discesa ma non la inverte.
Sulla formazione, che sarebbe la leva per costruire competenza, i dati sono ancora più eloquenti: solo il 12,9% dei comuni ha un ufficio dedicato e l’82,5% dei comuni sotto i mille abitanti non ha alcun piano formativo.
Poi c’è la dimensione. In Lombardia, secondo dati IFEL rilanciati da ANCI Lombardia, 524 comuni, il 35% del totale, hanno organici inferiori alle cinque unità. Cinque persone per tutto: anagrafe, tributi, protocollo, servizi sociali, lavori pubblici, contratti, privacy, transizione digitale. Devo fare quello che fa Milano, ma in meno di 5.
Quando il generalismo indebolisce la validazione umana
Il generalismo forzato non l’ha inventato l’AI. Esiste da quando il blocco del turnover ha cominciato a svuotare gli uffici. Il dipendente del piccolo comune che segue tributi e anagrafe, e il venerdì anche il sito istituzionale, è una figura che conosciamo da vent’anni.
In un articolo precedente ho parlato del Full Stack Human: la persona capace di attraversare più domini, di tenere insieme norma, processo e tecnologia. Resto convinto che sia una figura necessaria. Ma questo ragionamento ne mostra il limite: il Full Stack Human non scala sulla validazione.
Si può essere trasversali nel produrre, perché l’AI riempie i vuoti. È molto più difficile essere trasversali nel giudicare, perché il giudizio richiede profondità, e la profondità richiede un tempo che chi sta su dieci fronti non ha. Le norme cambiano ogni anno, le piattaforme ogni sei mesi, i modelli di AI ogni tre. Chi prova a stare dietro a tutto finisce per essere un po’ competente su molte cose e davvero competente su nessuna.
Senza AI questo era un limite. Con l’AI diventa un rischio, perché l’AI fa sembrare tutti più competenti di quanto siano: il testo che produce è sempre professionale, anche quando è sbagliato. Il suo scopo è la plausibilità, non la correttezza amministrativa.
E automatizzare la decisione, magari con nuovi modelli decisionali come Jev, rischia di peggiorare la situazione, perché vuol dire delegare sia la produzione che la scelta.
Senza apprendistato si perde la capacità di giudicare l’AI
C’è poi un problema che riguarda il futuro più che il presente. Come si diventava esperti in un ufficio comunale? Facendo. Scrivendo le prime determine, sbagliandole, facendosele correggere dal responsabile, ricominciando. Il lavoro ripetitivo dei primi anni era noioso, ma era anche la palestra in cui si formava il giudizio.
Se quel lavoro lo fa l’AI, i nuovi assunti saltano la palestra e arrivano direttamente alla firma. Oppure non arrivano affatto, perché l’organizzazione si convince che con l’AI servano meno persone. In entrambi i casi la domanda è la stessa: chi sarà in grado, tra dieci anni, di accorgersi che l’AI ha sbagliato?
Oggi stiamo consumando lo stock di competenza accumulato da chi ha imparato senza AI. Quello stock non è infinito, e una sua parte rilevante uscirà dalla PA proprio nei prossimi anni.
Le responsabilità umane previste per l’AI nella PA
Il quadro normativo, sulla carta, ha le idee chiare. L’articolo 14 della legge 132 del 2025 stabilisce che nella PA l’AI si usa in funzione strumentale e di supporto all’attività provvedimentale, e che la persona resta l’unica responsabile dei provvedimenti e dei procedimenti in cui l’AI è stata utilizzata. Il comma 3 chiede alle amministrazioni misure tecniche, organizzative e formative, anche per sviluppare le capacità trasversali di chi usa questi strumenti.
È un’impostazione giusta. Ma presuppone l’esistenza di una risorsa che sta diventando rara: una persona con tempo, competenza e aggiornamento sufficienti per esercitare davvero quel potere decisionale. Formalmente la decisione resta umana. Sostanzialmente lo è solo se chi firma è in grado di dissentire dalla macchina.
E c’è un ossimoro involontario: la norma chiede capacità trasversali, mentre la validazione richiede soprattutto capacità verticali.
Cinque mosse per rendere sostenibile la validazione dell’AI
Il problema non si risolve solo assumendo, perché numeri e tempi non lo consentono. Serve ripensare dove si colloca il giudizio umano. Cinque direzioni praticabili.
Controlli commisurati al rischio dell’AI
Non tutti gli output meritano lo stesso controllo. Una comunicazione interna non è un provvedimento che incide sui diritti di un cittadino. Classificare gli usi dell’AI per livello di rischio permette di concentrare le poche ore di giudizio esperto dove servono davvero, invece di distribuirle a pioggia o, peggio, di non distribuirle affatto.
Competenze condivise tra enti locali
Se un comune con cinque dipendenti non può avere un esperto di appalti, uno di tributi e uno di privacy, un insieme di comuni può. Unioni, consorzi e centri di competenza sovracomunali possono ospitare figure verticali che fanno da riferimento per molti enti sulle materie più delicate. È la logica che già funziona per alcuni servizi associati, applicata al giudizio invece che alla gestione.
Controllo automatico e giudizio umano sulle eccezioni
Molte verifiche sono formali: riferimenti normativi aggiornati, coerenza tra importi, rispetto dei termini, presenza delle clausole obbligatorie. Possono essere affidate a un secondo controllo automatico, magari con un modello diverso e checklist esplicite. All’umano restano il merito e le eccezioni segnalate. La responsabilità non sparisce, ma diventa sostenibile.
Formazione di dominio per riconoscere gli errori
Gran parte della formazione sull’AI oggi insegna a scrivere prompt. Utile, ma è la parte che invecchia più in fretta. Serve formazione di dominio, aggiornamento normativo vero e soprattutto esercizi di verifica: trovare l’errore in un testo scritto bene. È una competenza allenabile, e quasi nessuno la allena.
Meno atti per una validazione sostenibile
L’uso più intelligente dell’AI nella PA potrebbe non essere generare più atti, ma ridurre gli atti necessari. Semplificare procedimenti, eliminare passaggi ridondanti, standardizzare modelli validati una volta e usati mille. Ogni documento che non serve scrivere è un documento che nessuno deve validare. Forse controintuitivo ma probabilmente necessario.
Il PIAO deve programmare le competenze per controllare l’AI
Ogni anno gli enti programmano il fabbisogno di personale dentro il PIAO. La domanda implicita è sempre quantitativa: quante persone ci servono, con quale profilo.
Forse è il momento di aggiungerne un’altra: quante persone, nel nostro ente o nella nostra rete di enti, saranno in grado di dire con cognizione di causa che l’AI ha sbagliato? E su quali materie?
Se la risposta è “nessuna” su appalti, tributi o protezione dei dati, il problema non è l’AI. È che abbiamo automatizzato la produzione senza presidiare il giudizio. E il giudizio, a differenza delle bozze, non si genera in pochi secondi.
Partecipa alla community